武汉答复AI+医疗提案：83家医院接入、影像云索引702万例，拟把AI辅助诊疗覆盖率纳入医保绩效考核

702万例影像与83家医院之后：武汉拟把AI辅助诊疗覆盖率写进医保考核

趋势前瞻 × 监管与合规专家 ｜ 事实报道 × 投资人与产业分析师 ｜ 监管动态

9月29日，武汉市卫生健康委员会公开对市政协十四届五次会议第20260103号提案的答复，该文件综合市医保局、市财政局、市经信局意见，披露全市83家二级以上医院已接入市区一体化平台、医保影像云上传索引702万例；其中最具分量的一句来自市医保局：下一步将考虑把AI辅助诊疗覆盖率纳入定点医疗机构医保绩效考核评价体系，用医保支付杠杆推动AI在基层普及。

开场：一份提案答复里，藏着一句最关键的话

先要厘清这份文件的性质。公开的内容是一份提案答复，属于政务公开的工作回应，并非已经出台生效的产业政策，没有配套罚则与资金细则。它由武汉市卫生健康委员会牵头，综合市医保局、市财政局、市经信局三家单位意见，回应市政协十四届五次会议第20260103号提案《关于依托武汉市优势医疗资源对接国家战略，布局AI+医疗产业的建议》，并遵循国家卫生健康委等五部门《关于促进和规范「人工智能+医疗卫生」应用发展的实施意见》，以数据赋能、基层优先、安全可控为原则。

但这并不削弱它的信号价值。主管部门在正式答复中写下工作方向，意味着这件事已经进入行政议程的书写环节，后续往往会有跟进的动作与口径细化。而对产业与资本来说，判断一座城市的AI医疗基建是否值得投入，看的从来不是补贴额度有多大，而是需求侧会不会出现一个可以被反复调用的制度性抓手，这份答复给出的正是这样一种预期。

83家医院与702万例：武汉手里已经有什么

家底的第一层是数据管道。全民健康信息市区一体化平台已接入全市83家二级以上医院、208家基层机构，门诊部与诊所的接入筹备也已启动。对一座特大城市而言，这组数字描述的不是算力储备，而是口径统一的程度：只有当影像、检验、处方与随访在不同层级机构之间按同一套标准流动，AI产品才有可能以插件而非孤岛的方式嵌进临床路径，否则每一家医院都需要单独适配一次。

第二层是影像资产，也是最有训练价值的一层。市医保局以国家医保影像云试点建设数据共享中心，已接入医疗机构99家，向国家医保平台上传影像云索引数据702万例，为AI模型训练提供数据支撑。安全口径同样值得注意：市医保影像云确立关键领域自主可控原则，采用软硬件全国产化、网络独立隔离、全链路加密技术，确保数据可用不可见。把安全写进底层架构，本质是为后续的商业化调用预留合规空间，免得每次数据出域都重新谈判。

差距在同一份答复里被同时写明了。对照提案提出的2026年底前完成850家机构接入的目标，答复自陈仍面临数据整合难度大、基层覆盖不均衡等挑战。已接入与目标之间的差额主要落在门诊部、诊所和尚未达标的基层机构，这一段恰是数据标准化最薄弱、单机构投入产出比最低的地方，也正是接入曲线最容易在后半段放缓的位置。

22家社区与99.5%准确率：基层那一段跑得怎么样

基层这一段已有可查的运行数据。江岸区、东湖高新区等全省首批试点区域已在22家社区卫生服务中心部署「智医助理」，提供智能诊断辅助、危重病预警与智能随访，单日服务能力80人次，关键数据准确率超99.5%。对全科医生人力常年偏紧的社区卫生服务中心而言，80人次不是一项抽象的性能指标，而是日门诊量中真正被消化掉的一部分。

院内场景的两个样本指向不同方向。市中心医院落地电子病历智能诊断系统，把单份病历统计耗时压缩至14秒，价值在于把医生从文书里赎回时间；协和医院研发UNION Agent感染性疾病智能体，覆盖筛查至随访全流程，动的是诊疗路径本身。前者收益容易量化，也更容易被科室接受；后者要改变既定工作流，阻力通常更大，见效也更慢。

面向患者的一端，健康武汉官方小程序已构建八大核心服务板块，累计用户达1776万，下一步将开放健康档案查询与AI健康评估。把这一用户规模放在城市尺度上看，入口已经不是瓶颈，真正的变量在于这个入口能否从挂号与支付的通道，转为承载连续性健康管理的界面，后者对数据完整性、更新频率与结果可解释性的要求要高得多。

把覆盖率写进医保考核：这句话的分量

回到那句话本身的机制含义。医保绩效考核评价体系通常直接作用于定点医疗机构的年度评价与协议管理，把它作为杠杆，等于把AI从一项信息化采购变成一件关系机构年度评价的事。采购逻辑是一次性预算、验收即结；考核逻辑要求持续运转、持续留痕。答复同时点名AI辅助诊疗覆盖率与基层智能管理使用率，前者更容易在现有数据结构下核验，后者才是真正难测的一项。

分寸必须说清。纳入考核的表述前面带着下一步与将考虑两个限定词，意味着指标定义、统计口径、权重和数据来源都尚未落地，文件本身也不构成即时约束。因此短期内机构更可能的反应是先把系统接上、把记录留全，而不是立刻改变临床行为。从接上到愿意用之间存在明显的时间差，这段间隔应当被充分估计，不宜把表态直接读作需求已经形成。

支付侧动议之外，供给侧的动作已经先行。市经信局出台《武汉市促进人工智能产业发展若干政策措施》，推荐智化科技、凝动万生等26个项目入选省级人工智能典型应用场景，支持华中科技大学与江夏区共建高端医疗装备产业创新基地；第八届世界大健康博览会期间举办脑机接口临床转化学术论坛，吸引全国300余名专家学者。这些动作构成承接能力，却仍不等同于需求本身。

冷静观察：考核能推得动接入率，但推不出医生真的愿意用

冷静地看，考核最能推得动的一项是接入率，而不是调用深度。凡是能被系统自动采集的指标，例如是否上线、是否产生调用记录、是否生成结构化数据，一旦进入评价体系，往往在次年出现明显抬升，这是行政指标的一贯规律。答复承认基层覆盖尚不均衡，要补的正是这一层：最容易补齐的是设备与账号，最难补齐的则是使用习惯与信任。

难的是另一半。关键数据准确率超99.5%描述的是系统在评测环境中的表现，并不自动等于医生在门诊节奏里愿意把它留在屏幕上。覆盖率与使用率之间的落差通常来自三处：结果与医生判断不一致时缺少复核路径，操作步骤打断了既有接诊顺序，以及出现差错后的责任归属没有被交代清楚。这三件事都不在考核能够直接触及的范围内。

因此更合理的观察坐标，不是明年上报的覆盖率数字，而是几组变化更慢的指标：压缩至14秒的那部分时间是否真的回到了问诊，智能随访是否真的降低了不必要的复诊与延误，702万例影像索引能否在可用不可见的前提下转化为可复用的模型能力。支付杠杆足以把AI送进诊室，但让它留在诊室里的，始终是它对那个具体医生有没有用。

---

原文链接：source

千方医数集编辑部 出品